Configurer Linux Python
Packages requis
OpenMPI
CNTK nécessite l’installation d’OpenMPI 1.10.x sur votre système. Sur Ubuntu 16.04, installez-le comme suit :
sudo apt-get install openmpi-bin
Assurez-vous que ses bibliothèques sont disponibles, par exemple en configurant LD_LIBRARY_PATH.
Installation de CNTK pour Python sur Linux
Cette page vous guide tout au long du processus d’installation du Microsoft Cognitive Toolkit (CNTK) à utiliser à partir de Python dans Linux. Notez que Ubuntu 14.04 est pris en charge pour CNTK 2.3.1 et versions antérieures. Toutes les versions 2.4+ prennent officiellement en charge Ubuntu 16.04 uniquement.
Si vous recherchez d’autres types de support pour configurer un environnement de build CNTK ou installer des CNTK sur votre système, vous devez vous rendre ici à la place.
Nous proposons trois façons d’installer CNTK pour Python :
1. Installer à partir de PyPI
À compter de la version CNTK 2.5, les utilisateurs peuvent désormais installer CNTK via PyPI. Notez que seul Ubuntu 16.04 est officiellement pris en charge.
Pour installer la version uc seule de CNTK :
C:\> pip install cntk
Pour installer la version GPU de CNTK :
C:\> pip install cntk-gpu
Mettre à niveau une installation CNTK existante
Si vous disposez déjà d’une version antérieure (2.5+) de CNTK installée, vous pouvez installer une nouvelle version de CNTK sur votre installation existante.
Pour mettre à niveau la version uc seule de CNTK :
C:\> pip install --upgrade --no-deps cntk
Pour mettre à niveau la version GPU de CNTK :
C:\> pip install --upgrade --no-deps cntk-gpu
Remarque : nous vous conseillons de ne pas avoir les deux cntk packages cntk-gpu installés simultanément.
2. Installer à partir de Wheel Files
En fonction de python et de CNTK version (PROCESSEUR ou GPU), nous fournissons différents fichiers wheel (.whl) pour installer CNTK. Sélectionnez l’installation correcte dans la liste ci-dessous, puis remplacez le nom et/ou le lien pendant l’installation. Pour CNTK 2.5+, nous vous recommandons d’installer simplement via PyPI à la place.
- Installation de pip facile pour Anaconda3 4.1.1
- Installation de pip facile pour Anaconda2 4.3.0
| Python | Saveur | URL |
|---|---|---|
| 2.7 | CPU-Only | https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp27-cp27mu-linux_x86_64.whl |
| GPU | https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp27-cp27mu-linux_x86_64.whl |
|
| 3,5 | CPU-Only | https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp35-cp35m-linux_x86_64.whl |
| GPU | https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp35-cp35m-linux_x86_64.whl |
|
| 3.6 | CPU-Only | https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp36-cp36m-linux_x86_64.whl |
| GPU | https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp36-cp36m-linux_x86_64.whl |
Anaconda3
Nous avons testé CNTK avec Anaconda3 4.1.1 et Python versions 2.7, 3.5, ainsi qu’Anaconda3 4.3.1 avec Python version 3.6. Si vous n’avez pas d’installation d’Anaconda3 Python, installez Anaconda3 4.1.1 Python pour Linux (64 bits).
Nous partons du principe que les conditions préalables ci-dessus sont satisfaites . Si vous envisagez d’utiliser une version compatible GPU de CNTK, vous aurez besoin d’une carte graphique compatible CUDA 9 et de pilotes graphiques à jour installés sur votre système. En outre, nous partons du principe qu’Anaconda est installé et qu’il est répertorié avant toute autre installation Python dans votre chemin d’accès.
installation pip sans environnement
Il s’agit de l’option la plus simple et la seule raison de l’éviter, c’est si vous avez besoin de versions spécifiques de certains packages. Si vous avez d’autres packages qui nécessitent une ancienne version de numpy, passez à cette section.
Première installation de CNTK
Si c’est la première fois que vous installez CNTK, exécutez
$ pip install <url>
où <url> est l’URL de fichier wheel correspondante dans le tableau en haut de cette page. Par exemple, si vous avez exécuté Python 3.5
$ pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-linux_x86_64.whl
Continuer avec un test d’installation rapide
Mettre à niveau une installation CNTK existante
Si vous avez déjà installé une version antérieure de CNTK, vous pouvez installer une nouvelle version de CNTK sur votre installation existante. Il est important de fournir les options et --no-deps les --upgrade options.
$ pip install --upgrade --no-deps <url>
où <url> est l’URL de fichier wheel correspondante dans le tableau en haut de cette page. Une fois que vous avez terminé cette étape de mise à niveau, vous pouvez commencer à utiliser CNTK dans Python ou installer des exemples et des didacticiels.
Test d’installation rapide
Un test rapide que l’installation a réussi peut être effectué en interrogeant la version CNTK :
$ python -c "import cntk; print(cntk.__version__)"
Vous avez maintenant installé CNTK, et vous pouvez commencer à développer / former / évaluer avec CNTK dans Python !
Continuer avec l’installation d’exemples et de didacticiels
installation pip dans un environnement
Ci-dessous, nous allons créer un environnement Python 3.5 dans Anaconda appelé cntk-py35 et installera CNTK dans cet environnement. Si vous souhaitez un autre CNTK version, version de Python ou nom d’environnement, ajustez les paramètres en conséquence.
Ouvrez un interpréteur de commandes, créez l’environnement, rendez-le actif et pip-install CNTK :
$ conda create --name cntk-py35 python=3.5 numpy scipy h5py jupyter
$ activate cntk-py35
$ pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-linux_x86_64.whl
Un test rapide que l’installation a réussi peut être effectué en interrogeant la version CNTK :
$ python -c "import cntk; print(cntk.__version__)"
Vous avez maintenant installé CNTK, vous pouvez commencer à développer / former / évaluer avec CNTK dans Python !
Poursuivre l’installation d’exemples et de didacticiels
Anaconda2
Si vous avez besoin d’un environnement racine Python 2.7, nous vous recommandons d’installer Anaconda2 4.3.0 Python pour Linux (64 bits). Nous partons du principe que les conditions préalables ci-dessus sont satisfaites . Si vous envisagez d’utiliser une version compatible GPU de CNTK, vous aurez besoin d’une carte graphique compatible CUDA 9 et de pilotes graphiques à jour installés sur votre système. En outre, nous partons du principe qu’Anaconda2 est installé et qu’il est répertorié avant toute autre installation Python dans votre chemin d’accès.
Anaconda2 : installation pip
Les étapes d’installation de CNTK sur Anaconda2 sont identiques à
Veillez simplement à sélectionner des fichiers wheel compatibles Python 2.7 dans la table d’URL en haut de cette page.
3. Installer à partir de builds Nocturnes
Si vous préférez installer ou mettre à niveau CNTK à partir de la dernière version nocturne plutôt qu’une version officielle, nous proposons CNTK packages nocturnes. Vous pouvez accéder aux packages CNTK à partir des dernières builds nocturnes ici.
Si vous utilisez une build nocturne, vous devez installer séparément certains packages tiers et ceux-ci dans votre variable d’environnement PATH (en plus de l’exigence OpenMPI répertoriée ici). Suivez la section ci-dessous pour obtenir des instructions. Par exemple, si vous installez la version GPU de CNTK, vous devez également installer les packages spécifiques au GPU répertoriés dans la section suivante.
Variables d’environnement et packages requis
FACULTATIF : packages GPU-Specific
Si vous envisagez d’utiliser CNTK avec prise en charge du GPU, suivez cette page pour installer et configurer l’environnement en conséquence.
Après avoir installé les packages GPU mentionnés ci-dessus, ajoutez-les à votre variable d’environnement PATH, par exemple.
MKL
La bibliothèque mathématique par défaut CNTK est la bibliothèque Intel Math Kernel Library (Intel MKL). Suivez cette page pour l’installer
- Exportez son chemin vers la variable
LD_LIBRARY_PATHd’environnement, par exemple :
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
FACULTATIF : OpenCV
CNTK 2.2 nécessite l’installation d’Open Source Vision par ordinateur (OpenCV), mais elle est facultative pour CNTK 2.3+. Suivez cette page pour l’installer.
Vous devez installer OpenCV pour CNTK 2.3+ si vous souhaitez utiliser les composants suivants :
- Lecteur d’images CNTK
- CNTK Enregistreur d’images : requis pour utiliser la fonctionnalité Image de TensorBoard.
Exportez la variable LD_LIBRARY_PATH d’environnement pointant vers le dossier de build OpenCV, par exemple
export LD_LIBRARY_PATH=/usr/local/opencv-3.1.0/lib:$LD_LIBRARY_PATH
Installation d’exemples et de didacticiels
Nous fournissons différents exemples et tutoriels avec CNTK. Après avoir installé CNTK vous pouvez installer les exemples/didacticiels et les notebooks Jupyter. Si vous avez installé CNTK dans un environnement Python, veillez à activer l’environnement avant d’exécuter cette commande :
$ python -m cntk.sample_installer
Vous allez télécharger les exemples/didacticiels, installer les packages Python requis et copier les exemples dans un répertoire nommé CNTK-Samples-VERSION (VERSIONremplacé par la version réelle CNTK) sous votre répertoire de travail actuel.
Vous pouvez maintenant suivre la description standard pour tester votre installation à partir de Python et exécuter les didacticiels ou les notebooks Jupyter.